大躍進！ AI は 17,000 を超える疾患に対する候補薬を特定します。希少疾患に対する「オーファンドラッグ」はもはや遠い夢ではないのか？

「希少疾患の患者にとって、医薬品へのアクセスは常に最優先事項です。」

中国国際経済交流センターの畢静泉会長は2022年にこう語った。

希少疾患とは、その名の通り、発症率が比較的低いタイプの疾患です。患者数が少なく、市場の需要が小さく、医薬品の研究開発が難しく、コストが高く、サイクルが長いため、希少疾患の治療の難易度は依然として高く、希少疾患向けの医薬品は「オーファンドラッグ」と呼ばれています。希少疾患の患者の大多数は治療の困難や医薬品の不足に直面しています。

世界保健機関（WHO）によると、世界中で発見されている7,000以上の希少疾患のうち、承認された治療法や薬剤があるのは10％未満であり、そのほとんどは生涯にわたる薬物治療を必要とします。このような厳しい背景の中で、希少疾患に対する効果的な治療法を見つけることは、希少疾患の患者が直面する治療の困難を軽減するための重要なステップです。

このステップは、人工知能（AI）の助けを借りた「小さな前進」となることが期待されています。

最近、ハーバード大学医学部の研究チームとその協力者は、TxGNNと呼ばれるAIモデルを開発しました。これは、希少疾患や治療不可能な症状に対する候補薬を特定するために特別に開発された初の新しい方法です。既存の薬から17,000以上の疾患に対する候補薬を特定したが、その多くは既存の治療法がない。薬剤の再利用のための同様の AI モデルと比較すると、 TxGNN は薬剤候補の特定において平均で約 50% 優れており、どの薬剤に禁忌があるかを予測する精度は 35% 高くなっています。

「臨床医中心の医薬品再利用のための基礎モデル」と題された関連研究論文が、Nature の子会社である Nature Medicine に掲載されました。

AI はどのようにして医薬品の再利用を促進できるのでしょうか?

従来の薬物再利用戦略は、既存薬の安全性と有効性のデータを活用して新薬の臨床応用を加速することができますが、この方法は偶然かつ機会主義的であることが多く、希少疾患の医薬品開発の問題を体系的に解決することは困難です。

このような状況の中で、 TxGNN が誕生し、薬物の再利用において革命的な進歩をもたらし、特に希少疾患に対する創薬において大きな可能性を示しました。

TxGNN は、ゼロショット薬物再利用に特化したグラフ ニューラル ネットワーク (GNN) ベースのモデルです。従来の方法とは異なり、TxGNN は既存の薬剤と疾患の既知の関係に限定されません。代わりに、医療知識グラフ (KG) をトレーニングすることで、病気と薬の複雑な関係を潜在的な表現空間に埋め込み、特定の病気に対する潜在的な治療薬を予測できるようになります。ナレッジ グラフには、17,080 の疾患、7,957 の薬物、27,671 のタンパク質などの医療概念が含まれており、TxGNN のトレーニングに豊富なデータ基盤を提供します。

図 | TxGNN は、治療オプションや分子データが限られている疾患に対する薬剤候補を特定できる、薬剤再利用のためのグラフベースのモデルです。 （出典：本論文）

複数の実験において、TxGNN は強力な予測能力を実証しました。既存の 8 つの方法と比較すると、TxGNN はゼロショット環境で大きな利点を示します。論文の実験データによると、TxGNN により薬剤適応症予測の精度が 19%、副作用予測の精度が 23.9% 向上しました。

これらの結果は、TxGNN が既存の治療法の潜在的な新しい用途を見つけることができるだけでなく、既知の治療法がない場合でも可能性のある薬剤を正確に予測できることを示しています。希少疾患の95%以上には既存の治療薬がないため、これは希少疾患の治療にとって大きな意義があり、TxGNNはこれらの疾患に対する新薬を迅速に発見する可能性を生み出します。

図 | TxGNN は薬剤の適応症と禁忌を正確に予測できます。 （出典：本論文）

TxGNN には予測機能に加えて、医師や研究者がモデルの予測ロジックを理解するのに役立つ特別に設計された説明モジュールもあります。このモジュールは、マルチホップパスを通じて薬物と疾患の潜在的な関連性を示します。

説明モジュールは、薬が特定の病気に効果がある理由を示すだけでなく、詳細な医学知識パスも提供し、ユーザーが予測の背後にある科学的根拠をたどることができるようにします。この機能により、TxGNN は医療アプリケーションにおける多くの AI モデルの「ブラック ボックス問題」を克服し、モデルの解釈可能性と信頼性を大幅に向上させます。

図 | TxGNN Explainer におけるマルチホップ説明可能パスの開発、視覚化、評価。 （出典：本論文）

研究チームは、希少疾患の治療薬の発見におけるTxGNNの実用化を検証し、有望な結果を達成しました。実験では、TxGNN の予測の多くは、実際の臨床市販薬の使用と非常に一致しています。

例えば、研究者らは、1,272,085 人の患者の電子医療記録データを分析した結果、TxGNN によって予測された上位の薬剤が、ランダム予測よりもこれらの患者グループで大幅に頻繁に使用されていることを発見しました。 log(OR) (共起比) の分析により、TxGNN によって予測された薬物使用と希少疾患との関連性は、基礎となる薬物予測よりも 107% 高いことが示され、実際の臨床現場におけるモデルの有効性がさらに実証されました。

図 |大規模医療システムにおける TxGNN の予測結果の評価。 （出典：本論文）

具体的な例としては、TxGNN が、銅代謝異常を引き起こす稀な疾患であるウィルソン病の潜在的な治療法を予測する際に、デフェラシロックスが一番有望な候補として推奨されたことが挙げられます。この薬は鉄過剰症の治療に臨床的に使用されており、TxGNN は説明モジュールを通じて、デフェリプロンが代謝経路を通じてウィルソン病の治療に良い効果をもたらす可能性があることを実証しました。この予測は医学文献の関連研究結果とも一致しており、モデルの科学的合理性を実証しています。

医薬品開発サイクルが長期にわたりコストがかかる現在の状況において、TxGNN は既存の医薬品の再利用のための体系的なソリューションを提供します。

今後、この技術がさらに進歩することで、医薬品開発を加速させ、特に希少疾患の患者に医薬品を届けるための重要な原動力となることが期待されます。

AIは医療に大きな可能性を秘めている

AIは希少疾患の分野だけでなく、他の医療分野でも広く活用されています。

2019年9月、AI創薬企業Insilico Medicineは、線維症やがんなどの疾患の治療のための新薬の設計に利用されるGENTRLと呼ばれる生成AIプラットフォームを開発しました。 GENTRL を使用することで、研究者はわずか 21 日でディスコイジン ドメイン受容体 1 (DDR1) の強力な阻害剤を発見し、新薬発見の時間を大幅に短縮しました。

2022年、ロンドンのがん研究所の研究者らは、がん患者にどの薬剤の組み合わせが効果的であるかを24～48時間以内に予測できるプロトタイプの検査を作成した。彼らは AI を使って腫瘍サンプルからの大規模なデータを分析し、患者が薬剤にどのように反応するかを現在の方法よりも正確に予測します。

2023年、米国企業Nuance Communicationsは、新しいAI駆動型音声起動ソフトウェアアプリケーション「Dragon Ambient Experience（DAX）Express」をリリースしました。このプログラムは、自然言語処理技術を活用して患者の診察中に医療記録をリアルタイムで転記できるようにすることで、臨床医の管理負担を効果的に軽減することを目的としています。

2024年、ハーバード大学医学部の研究チームとその協力者は、体系的な癌評価のために病理学的画像特徴を抽出する臨床組織病理学画像評価財団（CHIEF）モデルを提案しました。 CHIEF は、11 種類のがんを網羅した 15 のデータセットで、がん検出において 94% 近くの精度を達成し、従来の AI 手法を大幅に上回りました。

AI には希少疾患の検出、薬剤の再利用、臨床プロセスの最適化を改善し、病気と闘う上でより役立つ可能性が秘められていることは間違いありません。

著者: 阮文雲